一起来学习numpy

一起来学习numpy

今天我们就来一起学习下numpy中的zeros、zeros_likes、ones、ones_like、full、full_like

import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
print(x)
# 输出1行9列的数组
# [1 2 3 4 5 6 7 8 9]

X = np.array([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])
print(X)
# 输出2行5列的数组，也就是2维数组
# [[0 1 2 3 4]
#  [5 6 7 8 9]]

A = np.ones((3, 4))
print(A)
# 输出3行4列的数组
# [[1. 1. 1. 1.]
#  [1. 1. 1. 1.]
#  [1. 1. 1. 1.]]

print(A.shape)
# 输出的A的维度，也就是3行4列
# (3, 4)

print(A.dtype)
# 输出A的数据类型，为float64
# float64

print(A + 1)
# 将A的每个元素加上1，所以是下面的结果
# [[2. 2. 2. 2.]
#  [2. 2. 2. 2.]
#  [2. 2. 2. 2.]]

B = np.ones_like(X)
print(B)
# 将B按照X的形状输出，因为X的形状为2行5列，所以B的形状也是2行5列，但是每个元素是one，也就是1
# [[1 1 1 1 1]
#  [1 1 1 1 1]]

print(B.shape)
# (2, 5)

print(B.dtype)
# int32

C = np.zeros((8,))
print(C)
# (8,)代表一个元组，如果(8)就是一个数，可以将括号去掉，但是(8,)不可以，因为是元组
# 输出是一个向量
# [0. 0. 0. 0. 0. 0. 0. 0.]

C = np.zeros(8)
# 输出是一个向量
print(C)
# [0. 0. 0. 0. 0. 0. 0. 0.]

D = np.full(8, 20)
print(D)
# 输出为一个向量，一共是8个元素，每个元素是20
# [20 20 20 20 20 20 20 20]

D = np.full((2, 5), 20)
print(D)
# 输出2行5列的数组，其中每个元素的值为20
# [[20 20 20 20 20]
#  [20 20 20 20 20]]